본 논문은 그래프 상에서의 자기 지도 학습(SSL)을 위한 새로운 아키텍처를 제시합니다. 기존의 대조 학습 및 생성적 방법의 장점을 통합하여, 커뮤니티 인식 노드 레벨 대조 학습과 그래프 레벨 대조 학습을 통해 강건하고 효과적인 양성 및 음성 노드 쌍 생성 및 전역 의미 정보 캡처를 수행합니다. 또한, 특징 마스킹, 노드 섭동, 에지 섭동을 결합한 포괄적인 증강 전략을 사용하여 강건하고 다양한 표현 학습을 가능하게 합니다. 결과적으로 노드 분류, 클러스터링, 링크 예측 등 다양한 작업에서 최첨단 방법보다 우수한 성능을 달성하며, 작업 및 데이터셋에 따라 0.23%-2.01%의 성능 향상을 보입니다.
